Классификация экспертных систем
Множество ЭС сегодня объединяет несколько тысяч различных программных комплексов. Поэтому при знакомстве с ЭС удобно разбить их на классы по критериям, представленным на рис. 3.4.
Поколения ЭС.
По своим возможностям и времени появления все ЭС подразделяются на ЭС первого и второго поколения. Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения.
В таких экспертных системах знания представлены следующим образом:
§ знаниями системы являются только знания эксперта, опыт накопления знаний не предусматривается;
§ методы представления знаний позволяют описывать лишь статические предметные области;
§ модели представления знаний ориентированы на простые области.
Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или «усилителями интеллектуальных способностей человека». Их общими отличительными чертами является умение обучаться и развиваться, т. е. эволюционировать.
Представление знаний в экспертных системах второго поколения следующее:
§ используются не поверхностные, а более глубокие знания;
§ возможно дополнение предметной области;
§ ЭС может решать задачи динамической базы данных предметной области.
Классификация ЭС по решаемой задаче.
К основным областям применения систем, основанных на знаниях, относятся: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение. Рассмотрим отмеченные на рис.3.4. области применения ЭС подробнее:
1. Интерпретация данных. Это одна из традиционных задач для ЭС. Под интерпретацией понимается процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Обычно в таких системах предусматривается многовариантный анализ данных. Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Одной из наиболее известных систем интерпретирующего типа является система PROSPECTOR, объединяющая знания девяти экспертов. В системе используются сочетания девяти методов экспертизы, что позволило обнаружить залежи руды стоимостью в миллионы долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система – HASP/SIAP. Она определяет местоположение и типы судов в океане по данным акустических систем слежения и аэрокосмического сканирования. К отечественным системам этого типа относятся системы, используемые в психологии для тестирования свойств личности. Например, системы АВАНТЕСТ и МИКРОЛЮШЕР.
2. Диагностика. Под диагностикой понимается процесс соотнесения объекта с некоторым классом объектов и/или обнаружение неисправности (т.е. отклонения от нормы) в некоторой системе. Такая трактовка позволяет отнести к данному классу ЭС и системы, анализирующие неисправность оборудования, и системы, направленные на анализ заболеваний живых организмов и всевозможных природных аномалий. Важной особенностью при построении этих систем является необходимость понимания функциональной структуры («анатомии») диагностируемого объекта. Примерами таких систем являются система ANGY (диагностики и терапии сужения коронарных сосудов) и система CRIB (диагностики ошибок в аппаратуре и математическом обеспечении ЭВМ).
3. Проектирование. Проектирование заключается в подготовке спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов – чертежи, пояснительная записка и т.д. Основные возникающие здесь проблемы – получение четкого структурного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и, в еще большей степени, перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Поэтому в задачах проектирования тесно связываются два основных процесса, выполняемых соответствующей ЭС: процесс вывода решения и процесс объяснения. К системам этого класса относится ЭС XCON, созданная фирмой DEC, и служащая для определения или изменения конфигурации компьютерных систем типа VAX в соответствии с требованиями покупателя. Другой проект фирмы DEC – более мощная система XSEL, включающая базу знаний системы XCON, но в отличие от XCON являющаяся интерактивной. Компания Боинг (Boeing) применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. К ЭС, используемым в проектировании, также относятся: система CADHELP (для проектирования больших интегральных схем – БИС); система SYN (синтез электрических цепей) и др.
4. Прогнозирование. Прогнозирующие системы предсказывают возможные последствия некоторых событий или явлений на основе анализа имеющихся данных. Например, система «Завоевание Уолл-Стрит» может проанализировать конъюнктуру рынка и с помощью статистических методов и алгоритмов разработать план капиталовложений на перспективу. Правда, поскольку эта система использует процедуры и алгоритмы традиционного программирования, ее, строго говоря, нельзя отнести к классу ЭС. В современных прогнозирующих системах обычно используется параметрическая динамическая модель, в которой значения параметров подбираются в соответствии с заданной ситуацией. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками. Сегодня прогнозирующие системы чаще всего используются для предсказания погоды, урожайности и потока пассажиров, но перспективным представляется их применение и в экономических системах. Другие примеры подобных систем: WILLARD (система предсказания погоды), PLANT (система для оценки будущего урожая), ECON (система, позволяющая строить экономические прогнозы).
5. Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. В таких системах используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности. Примером успешного применения систем этого класса служит опыт дамасской фирмы Информат (Informat), впервые в торговой практике предоставившей в распоряжение своих клиентов 13 компьютеров, установленных в холле офиса фирмы, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Вот еще несколько примеров таких систем: STRIPS (система планирования поведения робота), ISIS (система планирования промышленных заказов), MOLGEN (система планирования эксперимента).
6. Контроль и управление. Системы, основанные на знаниях, могут применяться в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия, а также оказывать помощь при выработке решений в критических ситуациях. Примеры систем этого класса: СПРИНТ (система контроля работы электростанции), REACTOR (система, оказывающая помощь диспетчерам атомного реактора), FALCON (система контроля аварийных датчиков на химическом заводе); GAS (помощь в управлении газовой котельной), Project Assistant (управление календарным планированием производства).
7. Обучение. Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Таким образом, системы обучения диагностируют ошибки при изучении какой-либо дисциплины и подсказывают правильные решения. Накапливая знания о гипотетическом «ученике» и его характерных ошибках, эти системы способны диагностировать слабости в познаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют процедуру общения преподавателя с учеником в зависимости от его успехов. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д. Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т. Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие, способные провести быструю атаку корабли и одно очень маленькое скоростное судно, благодаря чему постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год. Обучающие системы весьма популярны в области изучения информационных технологий. Например, существуют системы обучения языкам программирования: система «Учитель ЛИСПа» (обучение языку ЛИСП), система PROUST (обучение языку программирования Паскаль) и др.
8. Поддержка принятия решений. Поддержка принятия решений – это совокупность процедур, обеспечивающих лицо, принимающее решения (ЛПР), необходимой информацией и рекомендациями, облегчающими процесс принятия решения. Эти ЭС помогают специалистам выбрать и сформулировать нужную альтернативу среди множества выборов при принятии ответственных решений. Например, системы CRYSIS (помощь в выборе стратегии выхода фирмы из кризисной ситуации), CHOICE (помощь в выборе страховой компании) и др.
Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).
В общем случае все системы, основанные на знаниях, можно подразделить на два больших класса: системы, решающие задачи анализа, и системы, решающие задачи синтеза. Основное отличие этих классов задач друг от друга заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально не ограничено и строится из решений компонент или частных проблем. К задачам анализа относятся: интерпретация данных, диагностика, поддержка принятия решений. Задачи синтеза: проектирование, планирование, управление. Комбинированные задачи: прогнозирование, контроль, обучение.