Тема 18. Роль і місце експертних систем серед програмних засобів.

 

Поняття ЕС. Класифікація ЕС

Розглянемо розвиток поняття експертна система в інформатиці. З огляду на новизну теми визначимо також основні поняття та факти.

Словосполучення «експертні системи» набуло самостійного значення після оголошення японським комітетом JIPDEC про програму створення ЕОМ п'ятого покоління. Особливістю цієї програми є орієнтація розробників на створення обчислювальної техніки, здатної оперувати не тільки даними, але й знаннями, тобто за аналогією з діями спеціалістів (експертів) при написанні висновків.

Існує значна кількість визначень поняття «експертна система», що пов'язано із розвитком цих систем і виникненням нових поколінь ЕОМ.

Функціонально експертну систему можна визначити як обчислювальну систему, яка здатна використовувати знання про деяку предметну галузь і приймати рішення в рамках цієї галузі знань на рівні експерта-професіонала.

До характеристик, притаманних EC як системам штучного інтелекту можна віднести:

1) компетентність, тобто здатність приймати рішення, адекватні рішенням професіонала-експерта високого рівня;

2) здатність будувати «міркування» на основі символьних перетворень:

3) здатність використовувати як загальні, так і окремі схеми породження рішень;

4) здатність розв'язувати завдання в реальних предметних галузях;

5) здатність до інтерпретації формулювання запитів і завдань;

6) здатність до аналізу своєї роботи.

Визначальною рисою комп'ютерних програм, що називаються експертними, є їх здатність накопичувати знання і досвід найбільш кваліфікованих спеціалістів (експертів) у певній предметній галузі. Потім з допомогою цих знань користувачі EC, що мають звичайну кваліфікацію, можуть розв'язувати свої задачі так само успішно як це зробили б самі експерти.

Такий ефект досягається завдяки того, що експертна система у своїй роботі відтворює приблизно ту ж схему міркувань, яку звичайно використовує людина-експерт при аналізі проблеми. Отже, EC дозволяють копіювати і поширювати знання, роблячи унікальний досвід висококласних професіоналів доступним широким колам рядових спеціалістів.

Структуру ідеальної EC наведено на рис 1.

Інтерфейс користувача забезпечує його взаємодію з експертною системою, що здійснюється проблемно-орієнтованою мовою непроцедурного типу. Мова взаємодії часто є деяким наближенням до природної мови. В інтерфейсі користувача здійснюється перетворення конструкцій природної мови на внутрішню мову подання знань EC. Як внутрішні мови використовуються логічні мови або мови продукційного типу. Інколи для опису завдання або запиту використовують мови семантичних систем.

Розкодований опис надходить до засобів логічного виводу, де відбувається генерація рекомендацій щодо розв'язання завдання. Як основа для прийняття рішення використовується інформація, яка знаходиться у базі знань. База знань EC містить інформацію про предметну галузь у вигляді фактів і правил (рис.2).

Що таке база знань - ніхто не знає. Це поняття широке і розмите. Аналіз і співставлення різних точок зору визначили наше розуміння сутності поняття бази знань як цілісного наукового поняття, що позначає пакет знань, в якому зберігаються поняття, факти, що характеризують інформаційні властивості та зв'язки об'єктів реального світу; евристичні правила розв'язування задач (залежності, закони, алгоритми, процедури); метаправила, тобто знання про те, як використовувати правила в пам'яті ЕОМ у формі моделі відповідної предметної галузі з метою ефективного їх використання в процесі розв'язування прикладних задач. Засоби логічного виводу реалізують деяку стратегію вибору відповідного правила або їх сукупності із бази знань. Ця стратегія є наслідком способу подання знань в EC і особливостями завдань, що розв'язуються з допомогою системи.

Засоби відображення і пояснення розв'язків стежать за процедурою логічного виводу, фіксують проміжні і кінцеві розв'язки системи. Вони можуть дати користувачеві пояснення на запити типу: яким чином отримано вивід, чому його отримано, чому відкинуто альтернативи проміжних розв'язків (рис.3,4).

Засоби набуття знань призначені для підтримки процесу здобуття знань про предметну галузь. Як правило це знання, які носять емпіричний характер, не досить формалізовані й відсутні у спеціальній літературі. Такі знання набуваються експертами в результаті значного досвіду. Процес їхньої передачі є найскладнішою проблемою при побудові EC і потребує спеціальних навиків, які викликали необхідність у створенні інституту інженерів по знаннях. Кваліфікація такого спеціаліста повинна бути дуже висока в різних галузях, а саме: в системології, програмуванні, штучному інтелекті і, як правило, в предметній галузі знань, а також практичній психології.

Подальший розвиток поняття «експертна система» пов'язаний з виділенням поколінь експертних систем.

Експертні системи першого покоління були призначені для розв'язання добре структурованих завдань, що потребують порівняно невеликого обсягу емпіричних знань. Це можуть бути задачі класифікації або добору з існуючого набору варіантів. Основними рисами цього покоління євузька гатузь експертизи, розвинуті засоби взаємодії з користувачем, націлені на аналіз природно-мовних повідомлень, обмеження можливості модернізації бази знань у процесі експлуатації; основний вид знань - особистий, емпіричний досвід експерта.

Друге покоління EC або другий тип - це так звані оболонки. Основою оболонки є готовий механізм виводу і порожня база знань. Процес наповнення знаннями EC підтримується спеціальними сервісними програмами - редактор "бази знань, засоби налагодження, трасування, які призначені для інженера по знаннях. Оболонка пропонує розробнику системи мову опису фактів, формалізм подання знань і стратегію логічного виводу. Основне завдання інженера по знаннях - вписати в обмежену оболонкою схему реальний зміст предметної галузі. Ясно, що технологічне середовище не може бути однаково придатне для занесення в нього різнопланової інформації. Тому кількість EC цього типу також росте, хоча й з меншою швидкістю, ніж першого типу.

Третій тип EC або третє покоління - це «гібридні» EC і EC у реальному масштабі часу. Метою цього напряму є надання системності даним, наведеним у великих системах обробки інформації. У даному випадку EC - це методологічний засіб, свого роду «інтелектуальний інтерфейс», який дозволяє користувачеві виходити оперативно на знання, що знаходиться в базах даних і пакетах прикладних програм. Особливістю застосування таких систем може бути розв'язання завдань з використанням методів системного аналізу, дослідження операцій, математичної статистики, прикладної математики, обробку інформації.

До четвертого покоління EC належать мережі експертних систем - таке об'єднання кількох EC, в якому результатами розв'язання однієї із них є умови для функціонування інших. Системи такого типу ефективні для завдань з інтегрованою структурою розв'язків в умовах розподільної обробки інформації.

Оскільки в реальній практиці доведеться мати справу з експертними системами, як правило, першого та другого поколінь, розглянемо докладніше їх архітектуру.

Комп'ютерні системи, що можуть лише повторити логічне виведення експерта, прийнято відносити до EC першого покоління. Однак спеціалісту, що розв'язує інтелектуально складне завдання, явно недостатньо можливостей системи, яка лише імітує діяльність людини. Йому потрібно, щоб EC виступала в ролі повноцінного помічника і порадника, здатного проводити, аналіз нечислових даних, висувати і відкидати гіпотези, оцінювати вірогідність фактів, самостійно поповнювати свої знання, контролювати їх несперечливість, робити висновки на основі прецедентів і, можливо, навіть породжувати розв'язання нових завдань, що раніше не розглядалися.

Наявність таких можливостей є характерною для EC другого покоління, концепція яких почала розроблятися кілька років назад. Експертні системи, що відносяться до другого покоління, називають партнерськими, або підсилювачами інтелектуальних здібностей людини, їх загальними визначальними рисами є уміння навчатися і розвиватися, тобто еволюціонувати.

Побудова експертних систем є доцільною, якщо дотримуються такі умови:

Q в даній предметній галузі існує велика кількість часткових закономірностей, і кожна з них несе відображення особистості даного користувача (його довір'я, переваги, заперечення тощо);

Q в даній предметній галузі відсутня загальна теорія, що дозволяє невеликим числом алгоритмів систематично розв'язувати всі допустимі завдання;

Q ситуації, що виникають в даній предметній галузі, описуються відносно невеликою кількістю даних, що пов'язано з невисокою трудомісткістю підтримки банку даних в актуальному стані.

Роль і місце ЕС в навчанні

Існує достатньо багато різних класифікацій програмних засобів (ПІПЗ) (А.А. Кузнєцова, Ю.І. Машбиця, Б.С. Гершчнського, Р. Лаутербаха та інших) в основу яких покладені різноманітні критерії. Для розуміння ролі і можливостей експертних систем у навчанні, розглянемо, яке місце займають експертні системи серед інших систем штучного інтелекту та традиційного програмного забезпечення персонального комп'ютера.

З огляду на те, що в літературі з питань штучного інтелекту не має єдиного підходу до термінології, що використовується в даній проблемній галузі (поряд з терміном експертна система, вживаються як синоніми терміни інтелектуальна система, система штучного інтелекту, система, що базується на знаннях), а також враховуючи важливість цих основних понять для розуміння студентами суті процесів інтелектуалізації ЕОМ, окреслимо чіткіше зміст та відмінності між цими поняттями.

З гносеологічної точки зору сам термін інтелектуальна система не слід розуміти буквально. Академік М.М. Моісєєв зазначав, що «цей термін є не більше, ніж лінгвістичний нонсенс». Сама по собі ЕОМ не в змозі виконувати найважливіші пізнавальні функції поза якими інтелект як самостійний не існує. Такі процеси, як артикулювання неусвідомлюваного знання, рефлексія над природою і джерелами знання, постановка і зміна цілей пізнання, - все це недоступні для ЕОМ. але дуже важливі моменти людського мислення.

При такій концепції ідея про автономні системи штучного інтелекту є принципово не реалізованою. Як альтернатива їй була запропонована концепція інтелектуальних систем, в рамках якої здійснюється взаємодія людини і ЕОМ при розв'язанні інтелектуальних проблем. Одним із перших цю концепцію сформулював радянський філософ І.С. Ладенко.

Суть ідеї полягає в тому, що ЕОМ функціонує не автономно, а в рамках інтелектуальної системи, одержуючи доступ до інтелектуальних ресурсів експерта-людини, які артикулюються (перетворюються в явне знання) в процесі взаємодії з ЕОМ. Причому важливо, що в цій взаємодії людина здатна збагачувати своє особисте знання шляхом осмислення і освоєння інформації, яка виробляється машиною. Контакти з ЕОМ при цьому здійснюються на рівні мислення людини: безпосередньо в ході її спілкування з машиною їй віддається «машинне» (формалізовані операції), а людині - «людське» (інтуїтивне, творче, неусвідомлюване мислення).

Отже, термін інтелектуальна система, як правило, відображає нову ідеологію, новий підхід до технології створення програмного забезпечення. Надалі в роботі ми будемо притримуватися саме такого підходу в трактуванні даного поняття.

Практичні реалізації ідей штучного інтелекту носять назву систем штучного інтелекту.

Зараз відомі різноманітні програми штучного інтелекту, що не є експертними системами:

- програма, що може продивитись, а потім видати в перефразованій формі текст розповіді дитини і навіть дати відповіді на деякі питання по тексту. Програма повинна якоюсь мірою «розуміти» і причинно-наслідкові відношення в повсякденному житті;

- програма для друку з голосу: користувач говорить в мікрофон, а програма видає друкований текст;

- програми, які демонструють і моделюють людський інтелект, наприклад, програма, здатна розв'язувати задачі на знаходження аналогії в геометричних фігурах (такі завдання, звичайно, включаються в інтелектуальні тести);

- програми, які автоматично доводять або навіть відкривають математичні теореми;

- програми, які можуть проводити аналіз зображення, знятого телевізійною камерою, вибирати і класифікувати його об’єкти тощо.

Для розуміння, наприклад, розповіді дитини необхідний великий досвід і високий рівень інтелекту. Якщо можна заставити машину робити це ефективно, то без сумніву, можна багато дізнатися про те, що таке інтелект. Однак такі завдання (розуміння розповіді тощо) не має змісту ставити перед експертом або EC, тому що з ними легко справиться будь-яка людина.

Крім того, до систем штучного інтелекту відносять інтелектуальні інформаційно-пошукові системи, що працюють в інтерактивному режимі на професійних мовах так званої «ділової прози» користувачів-непрограмістів; інтелектуальні розрахунково-логічні системи, що дозволяють користувачам, що не є спеціалістами в галузі прикладної математики, розв'язувати у діалоговому режимі свої задачі з використанням складних математичних методів і відповідних прикладних програм.

Система, що базується на знаннях трактується як система, що дає можливість використовувати знання, подані у відповідній формі, з допомогою обчислювальної машини.

Будь-яке послаблення основних вимог, що характеризують експертні системи: уміння розв'язувати клас складних практично значимих задач з деякої предметної галузі, одержаних від людини-експерта; демонструвати якість розв'язування, що не поступається розв'язкам експертів; пояснювати процес одержання свого розв'язку, приводить до більш широкого класу - систем, що базуються на знаннях, які розділяють з EC основні принципи побудови і методи подання знань. Цей підхід до розуміння взаємозв'язку між основними поняттями ЕС приводить до класифікації

Серед різноманітних класифікацій програмних засобів розглянемо в першу чергу ті, що включають системи, що базуються на знаннях.

Використання знань і баз знань у навчанні відіграє особливу роль в силу декількох причин. По-перше, для більшості проблем із галузі штучного інтелекту (наприклад, для організації процесу навчання в інтелектуальних навчаючих системах) не має чітких алгоритмічних розв'язків, оскільки багато важливих задач виникає в складних контекстах явищ, що не піддаються точному і строгому опису.

По-друге, спеціалісти в галузі навчання завдяки своїм знанням досягають виключно високих результатів, і якщо комп'ютерні експертні-навчаючі системи зможуть акумулювати і використовувати знання експертів, вони також досягнуть достатньо високого рівня в роботі.

По-третє, знання - дефіцитний ресурс суспільства. Одержання знань від спеціалістів і надання їм форми, що дозволяє використовувати їх в комп'ютерних системах, може суттєво здешевити відтворення знань і їх застосування.

Поява навчаючих систем з базами знань була обумовлена рядом труднощів, пов'язаних з широким впровадженням автоматизованого навчання: недостатнім рівнем інтелектуалізації навчаючих систем, трудомісткістю розробки моделей діяльності студента і викладача в процесі навчання, складністю реалізації аналізу відповідей і повідомлень студента, необхідністю детального опису алгоритмів задач навчання, складністю автоматизації трудомісткого процесу підготовки і введення в систему навчального матеріалу, обмеженими можливостями традиційних навчаючих систем та адаптації їх до рівня підготовки і особистих характеристик студента.

В комп’ютерній технології навчання найбільшого значення мають такі класи систем, що базуються на знаннях: інтелектуальні інформаційно-пошукові системи, інтелектуальні навчаючі системи, експертні системи. Для інтелектуальних інформаційно-пошукових систем або систем взаємодії з базами даних деякою обмеженою мовою (системи ПОЕТ, ЗАПСИБ, ЗАПСИБ-ПРОЛОГ тощо), характерна наявність лінгвістичного процесора і моделі предметної галузі.

Робота інтелектуальної навчаючої системи базується на аналізі моделі предметної галузі, моделі студента і моделі навчання. До інтелектуальних навчаючих систем перш за все відносяться генеруючи автоматизовані навчаючі системи: COACH, MALT, SCHOLAR тощо.

Один із основних блоків генеруючих автоматизованих систем - генератор повідомлень, що працює на основі моделі предметної галузі. Оснащення комп'ютерів кольоровими графічними дисплеями зробили можливим широке використання тренуючих систем і тренажерів. Ці системи вимагають таких засобів подання знань, використовуючи які можна було б побудувати модель предметної галузі і динамічно її корегувати в залежності від ситуації, що складається.

Серед EC виділяють інструментальні експертні системи (BESS тощо). Найбільший інтерес для комп'ютерної технології навчання мають експертні навчаючі системи. Для функціонування експертних навчаючих систем, крім знань з предмету, необхідні знання про студента та процес навчання, знання з методики навчання і діагностики помилок. Розробка експертних навчаючих систем вимагає не тільки розвинутих засобів подання знань, але і взаємодії різних джерел знань (САКИО. BETS, SOPHIE, WHY, GUIDON. BUGGY).