Функциональные возможности и характеристика ЭС.

Основными характеристиками ЭС являются:

- накопление и организация знаний – одна из самых важных характеристик ЭС;

- знания – основа ЭС, они являются явными и доступными, что отличает эти системы от большинства традиционных программ;

- ЭС применяет для решения проблем высококачественный опыт квалифицированных экспертов. Именно высококачественный опыт в сочетании с умением его применять делает системы рентабельной. Этому также способствует гибкость системы;

- Наличие прогностических способностей. ЭС может объяснить каким образом новая ситуация привела к изменениям;

- Ведущие специалисты уходят, но их опыт остается и используется в ЭС;

- ЭС можно использовать для обучения и тренировки.

Преимущества ЭС.

Затем разрабатывать ЭС. Не лучше ли обратится к человеческому опыту как это было в прошлом. Приведем доводы в пользу ЭС.

Таблица 4.1.

Сравнение человеческой и искусственной компетентности.

Человеческая компетентность	Искусственная компетентность
Непрочная Трудно представляемая Трудно документируемая Непредсказуемая Дорогая	Постоянная Легко передаваемая Легко документируемая Устойчивая Приемлемая по затратам

Здесь очевидны преимущества искусственной компетентности. Кроме того, эксперт – человек может принимать различные решения в тождественных ситуациях из-за эмоциональных факторов (влияние дефицита времени, влияние стресса).

Необходимость человека в контуре управления. Почему необходимо оставить для человека место в системе?

Если искусственная компетентность настолько лучше человеческой, почему бы полностью не отказаться от экспертов – людей, заменив их ЭС? О несостоятельности подобных предложений и рассуждений говорят много доводов. Приведем некоторые из них:

- Хотя ЭС хорошо справляются со своей работой, но в некоторых областях деятельности человеческая компетентность превосходит любую искусственную. Это не есть отражение фундаментальных ограничений ИИ, но характерно для современного его состояния. Например, область творчества.

- Обучение: человеческая компетентность пока превосходит искусственную. Эксперты адаптируются к изменяющимся условиям, приспосабливают свои стратегии к новым обстоятельствам. ЭС мало приспособлены к обучению новым концепциям и правилам. Обучающие программы разработаны для простых задач и мало пригодны, когда требуется учитывать всю сложность реальных задач.

- Эксперты могут непосредственно воспринимать комплекс входной сенсорной информации (визуальной, звуковой, осязательной, обонятельной и тактильной). ЭС – только символы. Хотя в отдельных направлениях разработки инженерных и производственных интеллектуальных систем получены реальные результаты определенной обработки сенсорной информации.

- Эксперты – люди могут охватить картину в целом, все аспекты проблемы и понять, как они соотносятся с основной задачей. ЭС стремится сосредоточить на самой задаче, хотя смежные задачи могут повлиять на решение основной.

- Люди, эксперты и не эксперты, имеют то, что мы называем здравым смыслом, или общедоступными знаниями. Это широкий спектр общих знаний о мире, о том, какие законы в нем действуют, т.е. знания, которыми каждый из нас обладает, приобретает из опыта и которыми постоянно пользуется. Из-за огромного объема знаний, образующих здравый смысл, не существует легкого способа встроить их в интеллектуальную программу. Знания здравого смысла включают знания о том, что вы знаете и чего не знаете.

Поэтому ЭС наиболее часто используются как советчики, в качестве консультантов или помощников ЛПР. А, которые проявляются виртуально в ка

Функциональные возможности ЭС определяются двумя ее главными системными частями: средой развития и средой рекомендаций (рис.4.2). Среда развития используется разработчиком ЭС для построения компонентов и размещения знаний в БЗ. Среда рекомендаций используется неэкспертами для получения экспертных знаний и советов.

Три главных компонента, коте проявляются в каждой ЭС- это БЗ, механизм вывода и пользовательский интерфейс. Хотя вообще ЭС могут содержать следующие компоненты:

- подсистема извлечения знаний;

- БЗ;

- механизм вывода;

- пользовательский интерфейс;

- рабочая область;

- подсистема объяснения;

- подсистема верификации знаний.

- Обычно, большинство ЭС не содержат подсистему верификации знаний. Существует также большие колебания в содержании и способностях каждой компоненты.

Извлечение знаний представляет собой накопление, передачу и преобразование экспертиз решения задачи от экспертов или документированных источников знаний компьютерной программой для конструирования или расширения БЗ. Понтенциальные источники знаний включают экспертов, учебники, справочники, мультимедийные документы, базы данных (общественные или частные), специальные исследовательские отчеты и информацию, доступную через Интернет.

Рис.4.2. Структура ЭС и ее окружение.

Извлечение знаний из экспертов является сложной задачей, которая часто создает узкое место при построении ЭС.

Современные условия требуют от знаний и способностей взаимодействовать с одним или более людьми – экспертами при построении БЗ. Инженер знаний помогает эксперту структурировать проблемную область путем интерпретации и объединения ответов человека на вопросы, проводя аналогии, предлагая контрпримеры и выявляя концептуальные трудности.

База знаний содержит знания, необходимые для понимания, формулирования и решения задач. Она включает два основных элемента: факты, такие как проблемная ситуация и теоретические знания о проблемной области; и специальные эвристики ти правила, которые направляют использование знаний при решении специфических задач в отдельной области. Кроме того, механизм вывода, тесно связанный с БЗ, содержит стандартные правила решения задач и принятия решений. Эвристики выражают неформальные знания, мнения и суждения в прикладной области. Глобальные стратегии, которые могут быть как эвристиками, так и частью теории проблемной области, обычно включаются в БЗ. Знания, а не просто факты, являются первоначальным необработанным материалом экспертных систем. Информация и знания в БЗ представлены и включены в компьютерную программу путем реализации процесса, называемого представление знаний.

Механизм вывода является мозгом ЭС, его также называют управляющая структура или интерпретатор правил (в ЭС, основанных на правилах).

Эта компонента является в основном компьютерной программой, которая обеспечивает методологию для рассуждения об информации в БЗ и в рабочей области, а также для формулирования заключений. Она обеспечивает указания о том, как использовать знания системы при реализации аренды (расписания запланированных действий в рабочей области), которая организует и управляет шагами, предпринимаемыми для решения задачи.

Механизм вывода имеет два главных элемента:

- интерпретатор, который выполняет выбранные позиции аренды, используя соответствующие правила БЗ.

- Планировщик, который поддерживает управление агендой. Он оценивает результаты используемых правил вывода в свете их приоритетов или других критериев в агенде.

Пользовательский интерфейс. ЭС содержат языковой процессор для дружественного, проблемно – ориентированного общения между пользователем и компьютером. Общение наилучшим образом выполняется на естественном языке. Иногда оно дополняется меню и графикой.

Рабочая область – это область, расположенная отдельно для описания текущей задачи, как определено входными данными. Она также используется для запоминания промежуточных результатов. В рабочей области запоминаются промежуточные гипотезы и решения.

Могут быть запомнены три типа решений: план (как атаковать задачу), агенда (потенциальные действия, ожидающие выполнения) и решение (гипотезы – кандидаты и альтернативные направления действий, которые система сгенерировала до сих пор).

Подсистема объяснения. Способность отслеживать ответственность и соответствие заключений их источникам является решающей и при проведении экспертизы, и при решении задачи. Подсистема объяснения может отслеживать такую ответственность и объяснять поведение экспертной системы интерактивно отвечая на вопросы.

Подсистема верификации и совершенствования знаний. Эксперты обладают способностями верифицировать и совершенствовать знания. То есть, они могут анализировать свои собственные знания и их использование, обучаться от них и улучшать их для будущих консультаций. Аналогично, такая эволюция необходима в компьютеризованном обучении, так, чтобы программа могла анализировать рассуждения под углом их успеха или неудачи. Это может привести к улучшениям, и как результату, более точным БЗ и более эффективному рассуждению. Такой составляющей в настоящее время пока нет в коммерческих ЭС, но она разрабатывается в экспериментальных ЭС.