Основные задачи экспертных систем

Задачи экспертных систем, которые, по сути, представляют собой комбинацию машинного и человеческого знания, - сохранять и пополнять опыт специалистов, работающих в плохо формализуемых областях, таких, как медицина, биология, история и т. п. Экспертные системы должны сыграть роль высококвалифицированных помощников, способных дать полезный совет, сообщить необходимые сведения человеку, находящемуся в затруднительном положении. Им может оказаться молодой, имеющий недостаточный опыт врач, перед которым возникла необходимость провести сложную и нетривиальную операцию. Им может быть археолог, столкнувшийся впервые с малоизвестной культурой, или биолог, которому срочно понадобились знания на уровне профессионального нейрофизиолога, или любой другой исследователь и специалист.

Экспертная система хранит массу сведений, полученных из самых различных источников (книг, журнальных публикаций, устных сообщений специалистов и т. п.). Она может использовать эти сведения для консультации и при, необходимости объяснить специалисту, как она пришла к сообщаемым ему выводам.

В настоящее время, применяя компьютерные технологии, стало возможным использовать системы поддержки в управлении потрем направлениям:

· поддержка принятия управленческих решений;

· проведение сравнительного анализа вариантов решений (различных прогнозов, стратегий развития и т. д.);

· поддержка выбора управленческого решения. Такого рода системы базируются на методах многокритериального анализа и экспертных оценок.

Разработка экспертных систем, как активно развивающаяся ветвь информатики, направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моделирования малопригодны. В этих областях важна смысловая и логическая обработка информации, важен опыт экспертов.

Хотя у многих специалистов не знакомых с работой ЭС существует ряд заблуждений: Во-первых они считают, что ЭС будут делать не более (а скорее даже менее) того, что может эксперт, создавший данную систему. Для опровержения данного постулата можно построить самообучающуюся ЭС в области, в которой вообще нет экспертов, либо объединить в одной ЭС знания нескольких экспертов, и получить в результате систему, которая может то, чего ни один из ее создателей не может. Во-вторых, они утверждают, что ЭС никогда не заменит человека-эксперта. Но если они бы не заменяли эксперта, тогда зачем их создавать?

Экспертные системы, хотя и достаточно молодое направление — первые системы такого рода, MYCIN [Shortliffe, 1976] и DENDRAL [Buchanan, Feigenbaum, 1978], появились в США в середине 70-х годов. В настоящее время в мире насчитывается несколько тысяч промышленных ЭС, которые дают советы:

· при управлении сложными диспетчерскими пультами, например сети распределения электроэнергии, — Alarm Analyser [Walker, Miller, 1987];

· при постановке медицинских диагнозов — ARAMIS [1979], NEUREX [1988];

· при поиске неисправностей в электронных приборах, диагностика отказов контрольно-измерительного оборудования — Intelligence Ware [1990], Plant Diagnostics [1989], FOREST [1984];

· по проектированию интегральных микросхем — DAA [Сойер, Фостер,1988], NASL [Walker, Miller, 1988], QO [Pega, Sticklen, Bond, 1993];

· по управлению перевозками — AIRPLAN [Masui, McDermott, 1983];

· по прогнозу военных действий — ANALYST [1984], BATTLE [1983];

· по формированию портфеля инвестиций, оценке финансовых рисков — RAD[Kestelyn,1992], налогообложению — RUNE [Durkin, 1998] и т. д.

Сейчас легче назвать области, где еще нет ЭС, чем те, где они уже применяются. Уже в 1987 г. опрос пользователей, проведенный журналом «Intelligent Technologies» (США), показал, что примерно:

· 25 % пользователей используют ЭС;

· 25 % собираются приобрести ЭС в ближайшие 2-3 года;

· 50 % предпочитают провести исследование об эффективности их использования.

Современное состояние разработок в области ЭС в России можно охарактеризовать как стадию все возрастающего интереса среди широких слоев специалистов — финансистов, топ - менеджеров, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. Этот интерес имеет достаточно слабое материальное подкрепление - нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций, ограниченное финансирование исследований в этой области, слабый отечественный рынок программных продуктов для разработки ЭС.

Поэтому появляется возможность распространения «подделок» под экспертные системы в виде многочисленных диалоговых систем и интерактивных пакетов прикладных программ, которые дискредитируют в глазах пользователей это чрезвычайно перспективное направление. Процесс создания экспертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.

Наибольшие трудности в разработке ЭС вызывает сегодня не процесс машинной реализации систем, а до машинный этап анализа знаний и проектирования базы знаний. Этим занимается специальная наука — инженерия знаний.