ТОП 10:

ТЕМА 14. ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ В



ІНТЕЛЕКТУАЛЬНІЙ ДІЯЛЬНОСТІ

Експертні системи

Під експертною системою (ЕС) розуміють програму, яка здатна використовувати знання про деяку предметну галузь для прийняття рішення в рамках цієї галузі на рівні експерта-професіонала.

До основних характеристик, щопритаманні ідеальній ЕС належать:

ü Компетентність;

ü Здатність будувати міркування на основі символьних перетворень;

ü Здатність використовувати як загальні, так і спеціальні (окремі) схеми породження рішень;

ü Здатність розв’язувати будь-яку реальну задачу з певної предметної галузі;

ü Мати здатність до інтерпретації запитів і завдань;

ü Здатність аналізувати спосіб прийняття рішення (за проханням користувача висвітлити весь ланцюг прийняття рішення);

ü Здатність накопичувати по ходу роботи знання найбільш кваліфікованих спеціалістів, щоб користувач, простеживши міркування спеціаліста міг підвищити свою кваліфікацію.

 

Структура ЕС

Ідеологію ЕС втілює формула: ЗНАННЯ + ВИСНОВОК = СИСТЕМА.

База знань використовується для зберігання знань про спеціалізовану ЕС. Знання може бути закодоване в різних формах залежно від використаної схеми його подання. База знань (БЗ) може також включати мета-знання, тобто знання про знання (спосіб мислення експерта). На відміну від звичайної бази даних (БД), в ній зберігаються не тільки факти, а й правила, що дають змогу встановити нові факти.

База даних (робоча пам’ять) використовується для зберігання основних фактів переданих користувачем, і поточного стану проблеми з виведеними фактами.

Механізм логічного висновку (МЛВ) імітує міркування експерта так само, як БЗ імітує його пам’ять. У цьому механізмі використовується зіставлення зі зразком або пошуковий підхід для звуження повного перебору чи уникнення комбінаторного вибуху на відміну від звичайних обчислювальних алгоритмів. Він може включати різні стратегії пошуку в просторі станів задачі: прямий пошук (від фактів до мети), зворотний пошук (від мети до фактів) та інші стратегії.

Пояснювальна підсистема дає змогу користувачеві на питання “ЧОМУ?” дізнатися, з яких причин система ухвалила саме таке рішення, а на питання “ЯК?” з’ясувати, яким чином система дійшла такого висновку.

Консультуюча підсистема дає користувачеві пораду, що необхідно зробити при конкретному результаті розв’язання задачі.

Підсистема здобуття знань дає змогу поповнити або модифікувати БЗ.

Інтерфейс експерта використовується для доступу до БЗ через модуль здобуття знань, а інтерфейс користувача дає змогу користувачам системи мати доступ до неї в консультаційному режимі або в режимі пояснень.

Однією з найскладніших задач побудови ЕС є задача побудови БЗ — системи, яка охоплює розроблення та заповнення структури бази знань.

Процес формування БЗ є інтерактивним із можливим поверненням з подальшого етапу проектування на попередній. Одним із найскладніших моментів процесу формування БЗ, що зумовлює ітеративні повернення, є здобуття знань від експерта з їх подальшою формалізацією. Оскільки багато висновків експерт вважає очевидними, а деякі використовує інтуїтивно, буває дуже важко одержати від нього зв’язну, логічно послідовну інформацію про процес розв’язування задачі.

У будь-який момент часу в системі фігурують три типи знань:

ü Структуровані знання — статичні знання про ЕС. Після того як ці знання виявлено, вони вже не змінюються;

ü Структуровані динамічні знання — змінні знання про експертну систему. Вони поновлюються в міру виявлення нової інформації;

ü Робочі знання — знання, що застосовуються для розв’язання конкретної задачі або проведення консультації. На сучасному етапі розвитку ЕС використовується кілька форм подання знань в інформаційній моделі ЕС, три з них вважають основними: логіка предикатів, семантичні мережі та фрейми.

Логіка предикатів. В основі подання знань засобами логіки предикатів є мова математичної логіки, що дає змогу формально описувати поняття ЕС та зв’язок між ними у вигляді фактів і правил.

Факт — це доведене твердження про об’єкт ЕС. За широкого трактування об’єкта в ЕС фактами є фізичні об’єкти, поняття, дії, події. Кожний об’єкт описується властивостями, атрибутами, наприклад баланс (код рядка, сума, дата). Всі факти БЗ поділяються на статичні та динамічні. Перші описують незмінні об’єкти, другі — об’єкти, атрибути яких змінюються в часі.

Правило є імплікацією, поданою у такій формі: ЯКЩО <умова>, ТО <висновок>.

Істинність висновку залежить від істинності умов, причому умови, можуть бути простими і складними, пов’язаними відносинами І, АБО, НІ. Наприклад: “фірма А є конкурентом фірми В, якщо обидві вони продають один і той самий товар X в одному й тому самому регіоні У”.

З кожним твердженням може бути пов’язане певне число в інтервалі (від –1 до +1), яке відображає міру впевненості в істинності значення, що є неформальною оцінкою надійності фактів.

До переваг подання знань у вигляді фактів і правил належать спрощення конструкції ЕС, модульний принцип побудови, можливість зміни та розширення БЗ, організація розпаралелювання міркувань.

Семантичні мережі - це найдавніша форма подання знань у теорії штучного інтелекту. Семантична мережа відображає сукупність об’єктів ЕС та відносини між ними. Об’єктами є вершини (вузли) мережі, а відносинами — дуги, що з’єднують їх.

У семантичну мережу включають тільки необхідні для розв’язання прикладних задач об’єкти ЕС. Ними можуть бути: події, дії, узагальнені поняття або властивості об’єктів.

Вершини мережі з’єднуються дугою, якщо відповідні об’єкти ЕС знаходяться в певному відношенні. Найпоширенішими є такі типи відношень:

БУТИ — означає, що ОБ’ЄКТ належить до певного класу; МАТИ — дає змогу задавати властивості об’єктів;

БУТИ НАСЛІДКОМ — відображає причинно-наслідкові зв’язки. В ЕС не встановлюються обмеження на форму та особливості зв’язків. Зв’язана структура може бути деревоподібною, мережною, мати цикли та петлі.

Семантична мережа придатна для подання не тільки фактичної інформації, а й правил логічного висновку. Для логічного висновку в ній потрібно створити причинно-наслідкові зв’язки.

Основна перевага семантичних мереж — наочність — стає недоліком за значного збільшення обсягу БЗ. Для подолання таких труднощів використовується метод ієрархізації мереж (виділення на них локальних підмереж).

Фрейми. БЗ комерційних ЕС містять понад тисячу правил. У зв’язку з цим процес оновлення складу правил і контроль зв’язків між ними стають складними, оскільки правила, що додаються, можуть дублювати ті, які існують, або вступати з ними у протиріччя. Для виявлення таких фактів можна використати програмні засоби, але включення їх у роботу системи призводить до втрати працездатності системи, оскільки інженер втрачає уявлення про те, як взаємодіють правила. Мережа, що відображає взаємозв’язки правил у таких ситуаціях, стає громіздкою і заплутаною.

Подання знань, що ґрунтується на фреймах, є альтернативним відносно логіки предикатів: воно дає змогу зберігати родовидову ієрархію понять у БЗ.

Фрейм — це структура для опису стереотипної ситуації, що складається з характеристик цієї ситуації та їхніх значень. Характеристики називають слотами, а значення — заповнювачами слотів. Слот може містити не тільки конкретне значення, а й ім’я процедури, що дає змогу обчислити його за заданим алгоритмом, а також установити одне або кілька правил, за допомогою яких це значення можна знайти

Сукупність фреймів, що моделює якусь ЕС, є ієрархічною структурою, в якій фрейми з’єднуються за допомогою родовидових зв’язків.

Системи фреймів є статичними та динамічними. У статичних системах фрейми не можуть бути змінені у процесі розв’язування задачі, в динамічних це допустимо. Системи програмування, що ґрунтуються на фреймах, є об’єктно-орієнтованими, оскільки кожен фрейм відповідає конкретному об’єкту ЕС, а слоти, містять дані, що описують цей об’єкт. Фрейм може бути поданий у вигляді переліку властивостей, за використання засобів БД — у вигляді запису.

Перевагою фреймів є реалізація в них декларативних (набір безумовних й умовних тверджень) і процедурних (алгоритми поведінки в певній ситуації) знань. Зручні фрейми також для побудови могутніх графічних інтерфейсів з наочним поданням глибоких причинно-наслідкових зв’язків.

Механізм логічного висновку. Цей механізм здійснює пошук рішення побудовою ланцюжків логічних доведень. МЛВ — це програма, що працює з БД, виконуючи логічні й арифметичні операції. Він імітує процес міркувань експерта так само, як БЗ імітує його пам’ять.

У процесі формування логічного висновку МЛВ формулює власне висновок та керує ним. Висновок обмежується опрацюванням правил, враховуючи існуючі правила і факти з робочої пам’яті та додаючи до неї нові факти при опрацюванні певного правила. Дія компонента ґрунтується на застосуванні правила висновку. Його суть полягає у формулі: нехай відомо, що істинне твердження А й існує правило вигляду “ЯКЩО А, ТО В”; тоді твердження В також є істинним. Правило спрацьовує за кількості фактів, що задовольняють його ліву частину: якщо умова істинна, то має бути істинним також висновок.

Керуючий компонент включає послідовність і принципи виконання правил. Цей механізм керує процесом консультації, зберігаючи для користувача інформацію про здобуті висновки, і запитує в нього інформацію, коли для спрацювання чергового правила в базі фактів не вистачає даних. Керуючий компонент виконує такі функції:

1. Зіставлення (якщо зразок правила зіставляється з наявними фактами).

2. Вибір (якщо в конкретній ситуації можуть бути застосовані відразу кілька правил, то з них вибирають одне, яке найкраще відповідає даному критерію— вирішенню конфлікту).

3. Спрацювання (якщо зразок правила при зіставленні збігся з певними фактами з БД, то правило спрацьовує).

4. Дію (робоча пам’ять зазнає зміни додаванням в неї висновку з правила, що спрацювало. Якщо в правій частині правила є вказівка на певну дію, то воно виконується. Це, наприклад, відбувається в системах забезпечення безпеки інформації).

Механізм логічного висновку працює циклічно. В кожному циклі він переглядає всі правила, щоб виявити серед них ті, умови яких збігаються з відомими на даний момент фактами з робочої області. МЛВ визначає також порядок застосування правил. Після вибору правило спрацьовує, його висновок заноситься в робочу пам’ять (базу фактів). Потім цикл повторюється знову.

Більшість реальних проблем слабо структуровані, тобто визначення початкового та остаточного станів, вибір операторів є частиною проблеми, простір рішень не обмежений. З усіх проблем МЛВ головними є:

ü Визначення точки, з якої потрібно починати процес міркування;

ü Як діяти, якщо на певному кроці можливі кілька ліній міркувань.

Найпростішими методами вирішення першої проблеми є прямий ланцюжок (від фактів до мети) і зворотний (від мети до фактів) ланцюжок міркувань.

Прямий висновок більш загальний, оскільки він дає змогу переглянути все дерево можливих рішень і знайти всі проміжні вершини. При цьому, очевидно, втрачається одна з основних переваг ЕС — можливість швидкого знаходження рішення у великому просторі пошуку. В цьому випадку необхідно передбачити апарат відсікання окремих гілок дерева рішення з метою скорочення простору пошуку, який нерідко може виявитися нескінченним.

Зворотний висновок слугує механізмом перевірки гіпотез і тому завжди призводить до вирішення про істинність або помилковість гіпотези. Однак, якщо простір ймовірних гіпотез великий і відсутні застереження про їх прийнятність, то зворотний висновок не ефективніший від прямого. На практиці у процесі розв’язування задач у реальних ЕС доцільно поєднувати на різних етапах роботи прямий та зворотний МЛВ.

Для вирішення другої проблеми використовують пошук “у глибину” і “в ширину”. У першому випадку процес розвивається за однією з гілок дерева рішення до термінальних (кінцевих) вершин. Якщо виявлені вершини не будуть рішенням, то досліджується наступна гілка (як правило, зліва направо), і процес продовжується в режимі “відкату із забуванням”. Другий режим управління висновком зводиться до дослідження всіх гілок дерева рішень, що виходять із початкового пункту завдовжки в один маршрут.

Найдоцільнішим є поєднання-пошуку “в ширину” із пошуком “у глибину”, що зводиться до перегляду кожної гілки дерева рішення просуванням не на один крок, а на число кроків, встановлених самою ЕС. У поєднанні з відсіканням гілок за результатами перегляду цей метод, як і поєднання прямого та зворотного висновків, є найоптимальнішим.

Логічний висновок поділяється на монотонний і немонотонний. За монотонного висновку здобуті у процесі роботи системи факти не переглядають, тобто вважаються істинними до закінчення, її роботи. За немонотонного висновку факти не зберігають свою істинність у процесі роботи системи. Немонотонність висновку важлива при роботі ЕС з динамічним зовнішнім середовищем, особливо при функціонуванні в реальному масштабі часу.

Підсистема набуття знань. Ця підсистема призначена для додавання до БЗ нових правил і модифікації існуючих, її завданням є зведення правил до такого стану, який дає змогу МЛВ застосувати їх у процесі роботи. У найпростішому випадку така підсистема може діяти як звичайний редактор або текстовий процесор, який просто заносить правила у файл. У складніших системах передбачено спеціальний інтерфейс інженера знань й експерта. Конкретна реалізація підсистеми залежить від:

ü Структури та єдності БЗ;

ü Засобів реалізації БЗ;

ü Вимог користувача;

ü Особливостей розробників ЕС.

Залежно від структури БЗ підсистема транслює знання в різні форми файлових структур. З урахуванням конкретних вимог розробники можуть наділити підсистему набуття знань крім транслюючих, деякими аналітичними функціями. Найпоширенішими з них є функції перевірки нового елемента БЗ на несуперечність з існуючими знаннями, перевірки на відсутність циклів у роботі МЛВ, перевірки повноти БЗ.

Підсистема пояснення. Комп’ютерна програма, яка не спроможна пояснити свої дії та переконати користувача в правильності висновків, не вважається ЕС. Підсистема пояснення має відповісти на питання, як отримано логічний висновок і як ЕС має намір його надалі використати.

Розвинена підсистемапояснення складається з компонентів:

ü Активного, що включає набір інформаційних повідомлень, які видаються користувачеві у процесі роботи;

ü Пасивного, орієнтованого на ініціювальні дії користувача.

Активний компонент підсистеми пояснення є розгорнутим коментарем, що супроводжує здобуті системою дії та результати. Пасивний компонент, крім розвиненої системи НЕLР, має засоби пояснень розв’язування задачі.

Система пояснення в ЕС реалізується різними способами. Це може бути:

ü Набір інформаційних довідок про стан системи на момент припинення її роботи;

ü Повний або частковий опис подолання системою шляху за деревом рішень;

ü Список гіпотез, що перевіряються (основи для їх формування і результати перевірки);

ü Список цілей, які керують роботою системи, і шляхів їх досягнення.

Важливою особливістю розвиненої підсистеми пояснення є використання в ній природної мови спілкування з користувачем. Широке застосування систем меню дає змогу не тільки диференціювати інформацію, а й судити про рівень підготовленості користувача, формуючи його психологічний портрет.

Покоління експертних систем

Розвиток поняття ЕС відбувається у виділенні поколінь:

1. Призначено для розв’язування добре структурованих завдань, які вимагають невеликого обсягу матеріалу. Ці ЕС вузько спрямовані, позбавлені можливості модернізації знань, містять досвід одного фахівця.

2. ЕКСПЕРТНА ОБОЛОНКА – спеціальна програма, яка позбавлена бази знань, а має лише інтерфейс, засоби логічного виводу і засоби відображення і пояснення розв’язку.

3. ГІБРИДНА СИСТЕМА – система, яка проводить систематизацію знань, які подано в різних базах знань.

4. МЕРЕЖА ЕС: ЕС пов’язані в мережу з метою роботи за принципом: результат роботи однієї ЕС є завданням для іншої.







Последнее изменение этой страницы: 2017-02-05; Нарушение авторского права страницы

infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.235.74.77 (0.01 с.)