Компоненти експертної системи

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

Процес формування БЗ є ітерактивним із можливим поверненням з подальшого етапу проектування на попередній. Одним із найскладніших моментів процесу формування БЗ, що зумовлює ітерактивні повернення, є здобуття знань від експерта з їх дальшою 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:

— структуровані знання — статичні знання про ПС. Після того як ці знання виявлено, вони вже не змінюються;

— структуровані динамічні знання — змінні знання про ПС. Вони поновлюються в міру виявлення нової інформації;

— робочі знання — знання, що застосовуються для розв'язання конкретної задачі або проведення консультації. На сучасному етапі розвитку EC використовується кілька форм подання знань в інформаційній моделі EC, 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 ПС та зв'язок між ними у вигляді фактів і правил.

Факт — це доведене твердження про об'єкт ПС. За широкого трактування об'єкта в EC фактами є фізичні об'єк­ти, поняття, дії, події. Кожний об'єкт описується властивостями, атрибутами, наприклад баланс (код рядка, сума, дата). Всі факти в 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 Y".

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 EC, 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 ПС 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 ПС. Ними можуть бути події, дії, узагальнені поняття або властивості об'єктів.

Вершини мережі з'єднуються дугою, якщо відповідні об'єкти ПС 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 EC 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-на-слідкові зв'язки.

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

Фрейми. БЗ комерційних EC 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 роботоздатності 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 в явній формі. 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 яку-небудь ПС, 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 допустиме. Системи програмування, що ґрунтуються на фреймах, є об'єктно-орієнтованими, оскільки кожний фрейм відповідає конкретному об'єкту ПС, 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 обробленням правил, враховуючи існуючі правила і факти з робочої пам'яті та додаючи в неї нові факти при спрацюванні певного правила. Дія компонента висновку ґрунтується на застосуванні правила висновку. Його суть полягає у формулі: нехай відомо, що істинним є 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 заданому 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 доданням 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 — слабко структуровані, тобто визначення початкового та остаточного станів, вибір операторів є частиною проблеми, простір рішень — не обмежений. З усіх проблем МЛВ головними є:

— визначення точки, з якої потрібно починати процес міркування;

— 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 EC — 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 служить механізмом перевірки гіпотез і тому завжди приводить до рішення 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 ПС доцільно поєднувати на різних етапах роботи пря­мий та зворотний МЛВ.

Для вирішення другої проблеми використовують пошук "У глибину" і "вшир". 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 "вшир" із пошуком "у глибину", що зводиться до перегляду кожної гілки дерева рішення просуванням не на один крок, а на число кроків, встановлене самою EC. 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 EC з динамічним зовнішнім середовищем, особливо при функціонуванні в реальному масштабі часу.

Підсистема набуття знань. Ця підсистема призначена для додання в БЗ нових правил і модифікації існуючих, її завданням є зведення правил до такого стану, який дає змогу МЛВ застосовувати 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:

— структури та ємності БЗ;

— засобів реалізації БЗ;

— вимог користувача;

— особливостей розробників EC.

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 у правильності висновків, не вважається EC. Підсистема пояснення має відповісти на питання, як виведено логічний висновок і як EC має намір його надалі використати.

Розвинена підсистема пояснення складається з компонентів:

— активного, що включає набір інформаційних повідомлень, які видаються користувачеві у процесі роботи;

— пасивного, орієнтованого на ініціювальні дії користувача.

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

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

— набір інформаційних довідок про стан системи на момент припинення її роботи;

— повний або частковий опис подоланого системою шляху по дереву рішень;

— список гіпотез, що перевіряються (основи для їх формування і результати перевірки);

— 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.